구이린전자과기대 연구진은 데이터 기반 기법과 필터를 결합한 SOC 추정법을 연구했으며, NEWARE 장비로 동적 시험 데이터를 확보했습니다.소식 날짜: 2024-07-11 · 한국어 요약·해설먼저 읽는 핵심 여러 알고리즘을 결합해 SOC 변화의 제약 반영 CT-4008Q-5V6A-S1로 검증용 데이터 측정01. 충전 상태 추정의 오차를 줄이는 연구구이린전자과기대 판싱밍 연구팀은 리튬이온전지의 충전 상태인 SOC를 추정하는 알고리즘을 연구했습니다. SOC는 충방전 제어와 에너지 활용에 중요한 정보지만, 전통적 계산법과 모델·데이터 기반 방법에는 오차와 계산 부담, 학습 조건에 따른 한계가 있습니다. 연구팀은 서로 다른 추정 기법을 결합해 복잡한 운전 조건에서도 결과의 안정성을 높이는 방향을 살폈습니다.02. 시계열 예측과 적응형 필터의 결합SFR 알고리즘은 계절형 시계열 모델인 SARIMA, 적응형 칼만필터, 다중 커널 증분 관련벡터머신을 결합했습니다. 인접 시점의 SOC 출력이 변하는 속도에 제약이 부족한 문제를 다루기 위한 구성입니다. 별도 연구에서는 적응형 유전 알고리즘으로 필터의 잡음 공분산 또는 이를 계산하는 창 길이를 조정해 초기 설정과 운전 조건의 영향을 줄이고자 했습니다.03. 동적 충방전 데이터로 성능 검증두 연구는 NEWARE CT-4008Q-5V6A-S1 시험 시스템을 사용해 서로 다른 동적 조건의 배터리 데이터를 확보했습니다. 시험 데이터는 추정 알고리즘의 정확성과 변화 대응 능력을 검증하는 기반으로 활용됐습니다. 이 사례는 시험 장비가 SOC를 직접 결정한다는 의미보다는, 실제 전류·전압 응답을 재현해 배터리 상태 추정 연구에 필요한 근거를 제공했다는 데 의미가 있습니다.이해를 돕는 추가 해설04. 작은 전류 오차가 SOC에 누적되는 과정가상의 5Ah 전지에서 전류 측정에 일정한 1mA 오차가 있고 이를 10시간 적분했다고 가정하면 전하량 오차는 10mAh입니다. 기준 용량 대비 0.2%포인트에 해당하며 실제 장비나 알고리즘의 오차를 뜻하지 않습니다. 매우 작은 편향도 오래 누적되면 상태 추정에 영향을 줄 수 있음을 보여주는 단순 계산입니다.SOC 알고리즘을 비교할 때는 같은 자료에 의도적으로 작은 초기값 차이나 측정 편향을 넣어 결과가 어떻게 달라지는지 살펴볼 수 있습니다. 평균 오차뿐 아니라 시간이 지나며 오차가 회복되는지, 특정 부하 구간에 집중되는지도 구분합니다. 이런 가상 교란 시험은 실제 운용 정확도를 보증하지 않지만 추정법이 어떤 입력 오차에 민감한지 파악하는 데 도움이 됩니다.적용·해석 예시05. 알고리즘의 정답도 측정에서 만들어진다SOC 추정값을 평가하는 기준값도 전류 적분과 기준 용량 등 측정 자료로 만들어졌다고 가정해 봅니다. 추정 모델과 기준값이 같은 편향된 입력을 공유하면 두 값이 잘 맞아도 실제 상태를 정확히 나타냈는지는 별도 질문이 됩니다. 오차가 작다는 결과를 읽을 때 비교 기준이 어떤 독립적인 근거를 갖는지 함께 살펴야 하는 이유입니다.기준값의 계산 과정과 입력 자료를 구분해 기록하면 모델의 오차와 정답을 만드는 과정의 불확실성을 나누어 논의할 수 있습니다. 다른 초기 상태나 별도 용량 평가와의 일치도 보완 자료가 될 수 있습니다. 완벽한 정답이 없다는 이유로 평가를 포기하는 것이 아니라, 기준 자체가 어느 정도까지 확인됐는지 명시해야 아주 작은 알고리즘 차이를 과도한 정확도 향상으로 표현하지 않게 됩니다.관련 안내NEWARE를 더 알아보세요소재·코인셀 연구 ↗설치 현장 살펴보기 ↗PDF 사양서 찾기 ↗시험 구성 문의 ↗기술·새소식 전체 글 보기
